2. 同济大学测绘与地理信息学院,上海市四平路1239号,200092;
3. 中国科学院西北生态环境资源研究院冰冻圈科学国家重点实验室青藏高原冰冻圈观测研究站,兰州市东岗西路320号,730000;
4. 苏州市相城检测股份有限公司,苏州市如元路1580号,215131
随着城市化建设突飞猛进,软土地区的工程建设已成为影响城市地面沉降的重要因素[1],特别是大型基坑和深隧道会引起周围地层位移和变形,甚至造成地表下沉、地裂缝、道路坍塌等地质灾害[2]。因此,对城区进行长期、高精度的地表变形监测和地质灾害普查非常必要。
常用的地面沉降监测方法有水准测量与GNSS形变监测,这两种方法测量精度高,但时空分辨率低,很难分析提取大区域的形变时空分布特征[3-4]。合成孔径雷达差分干涉测量技术(InSAR)具有成本低、范围广、空间分辨率高等特点,已广泛应用于城市地表沉降监测[5]。利用高分辨率SAR影像,时序InSAR方法能够识别建筑、桥梁、道路等高相干目标点,实现城市地面的大范围高精细监测[6-10]。利用高相干目标的时间序列位移,可快速判断遭受沉降的建筑物变形,提取城市轨道交通和高速公路沿线的地面沉降信息。
苏州位于我国长三角沉降带,上世纪末,苏州最大年均沉降速率曾达到-100 mm/a。自本世纪初禁采深层地下水后,地面沉降趋缓[11-13]。近年来,苏州开始大力建设城市轨道交通,城市化进程加速。本文利用2010~2020年TerraSAR-X和Sentinel-1数据,结合已有的水准观测数据,提取苏州地区的地表沉降信息,重点分析地铁沿线的地面沉降情况,对地铁建设时期的地面建筑沉降进行时序分析和总结。
1 苏州沉降InSAR分析 1.1 研究区概况苏州位于长江三角洲中部,城区主要由厚达数百米的第四系软土泥沙沉积而成,土壤含水量高、孔隙比大、压塑性高,地质条件较差[11-12]。由于大规模开采地下水,上世纪70年代末,苏州市区开始全面下沉。90年代初,地面下沉明显加速,最大沉降速率达-100 mm/a,严重影响城市建设和经济发展。2000年起,苏锡常地区禁采深层地下水,地下水位逐渐回升,地面沉降明显趋缓[11]。
由于地质条件差、矿山开采等原因,苏州市发生过地裂缝、滑坡、崩塌等地质灾害。利用时序InSAR技术对苏州城区进行长期地面沉降监测,对保护古建筑、地下管线和城市轨道交通等重要基础设施的安全运营具有重要意义。
本文关注苏州中心城区的地面沉降,研究区涵盖苏州地铁1~6号线全路段和11号线部分路段。SAR影像覆盖范围和地铁线分布如图 1所示。
采用2010~2015年轨道号81的23景strip-008和25景strip-009 TerraSAR-X数据,2016~2020年Track171的48景Sentinel-1A数据,对苏州城区的地面沉降进行时空序列分析,提取苏州地铁建设区的地表沉降信息。TerraSAR-X数据选择垂直基线300 m以内的干涉对组合,Sentinel-1数据选择150 m以内的基线组合(图 2)。
利用GAMMA软件分别处理两个轨道的TerraSAR-X数据和Sentinel-1数据,按照图 2的基线组合生成干涉图。使用30 m分辨率的SRTM DEM估计和去除地形相位。
采用振幅离差值和相干系数双重阈值方法选取高相干PS点。先利用振幅离差阈值选择初始PS点,然后利用相干系数筛选得到高相干的PS点集。对PS点进行构网,利用StaMPS软件进行三维相位解缠,去除地形误差和轨道误差相位后,应用GACOS(generic atmospheric correction online service for InSAR)[14]进行大气延迟相位误差改正,通过时空滤波去除其他空间相关项,得到苏州主城区的地面沉降结果。将视线向形变速率VLOS归算到垂直向沉降速率Vvertical:
$ V_{\text {vertical }}=V_{\mathrm{LOS}} / \cos \theta $ | (1) |
式中,θ为SAR影像的入射角。
2 苏州城区地面沉降 2.1 2010~2015年TerraSAR-X地表沉降结果对TerraSAR-X数据进行PS-InSAR处理,得到垂直向沉降速率,将TerraSAR-X两个轨道的沉降速率文件合并,得到图 3所示的沉降速率图。
从图 3(a)看出,2010~2015年苏州未出现大面积剧烈沉降带,古城区整体较为平稳,沉降速率基本在-4 mm/a以内。研究区内沉降速率超过-10 mm/a的沉降区有2处,第1处位于阳山附近(图 3(b)、3(c))。阳山是历史性持续沉降区,地下水禁采后,该区沉降减速,但由于地质条件差和矿产开采等影响,矿区及周边发生过塌陷和裂缝等地质灾害。第2处较大沉降位于漕湖东侧吴开路。漕湖区域也是历史性持续沉降区,2010~2015年仍呈现较大沉降趋势。此外,吴江松陵也存在小范围下沉,但沉降速率较小,基本在-7 mm/a以内。
2.2 2016~2020年Sentinel-1地表沉降结果对Sentinel-1数据进行PS-InSAR处理,并将视线向沉降结果归算到垂直向,得到沉降速率如图 4所示。
由图 4(a)可见,2016~2020年苏州古城区无明显沉降,沉降速率基本在-2 mm/a以内。研究区内有两处主要沉降带:一处仍位于阳山,见图 4(b)、4(c)。图 4(c)阳山东侧M2点附近现场照片中,有几幢建筑出现不均匀沉降,部分墙体开裂。另一处沉降带位于苏州东部的昆山市,沉降速率较小,均在-7 mm/a以内。
2.3 2010~2020年地面沉降点时序分析2010~2015年TerraSAR-X速率图中苏州大部分区域缓慢沉降,沉降速率在-4 mm/a以内,2016~2020年Sentinel-1速率图中苏州中心城区没有沉降。2010~2020年苏州主城区总体沉降趋势明显变缓,沉降范围明显缩小,甚至在漕湖东侧和太阳路北出现小范围抬升。
为验证PS点的沉降和回升变化,本文选取相城区漕湖东侧A、B处和虎丘区太阳路北C处的PS点,对TerraSAR-X与Sentinel-1形变时间序列进行线性模拟,并与最近的水准点时序位移进行对比分析,如图 5所示。
图 5(a)~5(d)分别是漕湖东部和太阳路北的局部沉降速率图,图 5(e)~5(g)分别为水准点A、B、C与周边100 m内PS点的平均时序位移图。可以看出,2010~2015年漕湖东侧的A处PS点缓慢沉降,其线性沉降速率为-4 mm/a,2016年后呈现缓慢抬升趋势,其线性拟合速率为2 mm/a;B处PS点先以-3 mm/a的速率缓慢沉降,2016年后以6 mm/a的速率抬升,时序变化趋势与水准点基本一致;太阳路北的C处PS点在2010~2015年缓慢沉降,2016年之后缓慢抬升,与水准点回升趋势基本符合。A、B、C三处均有工业园,附近地下井水位上升,说明地面抬升与苏州市地下水位逐渐回升趋势相符合[15]。
3 地铁沿线地面沉降时序分析2010~2020年苏州新建6条地铁线路。作为大型的地下工程,地铁建设特别是隧道开挖过程对沿线周围地区的沉降影响不可忽略。为确保地铁建设施工、运营和附近建筑物的安全,非常有必要对地铁沿线的地面沉降进行连续监测。
3.1 地铁1、2、4号线沉降分析2010~2015年初,苏州市区地铁主要有1、2、4号线在建。TerraSAR-X与Sentinel-1提取的苏州地铁1、2、4号线地面沉降速率如图 6所示。
图 6(a)是2010~2015年苏州地铁1、2、4号线沿线500 m缓冲区的沉降速率图。1号线在2010年后开挖建设基本结束,因此沿线区域地面没有明显沉降。可以看出,在2010~2015年地铁修建期间,4号线红庄站和松陵大道站有沉降。图 6(b)为2016~2020年沉降速率图。可以看出,红庄站沉降范围明显缩小,松陵大道站基本不沉降,表明修建地铁会造成附近建筑的短期沉降。
2016年2号线通车后,尹山湖附近仍有小范围沉降,附近100 m内的水准点在2016~2018年实测高程下降38 mm。2016年(图 6(c))和2019年(图 6(d))的遥感影像中,尹山湖周边有大量开发建设,因此导致地面最大沉降速率超过-10 mm/a。
3.2 地铁3、5、6、11号线沉降分析2016~2020年苏州主要在建地铁有3、5、6、11号线,另有7、8号线还未正式开挖。3、5、6号线均分布在苏州主城区,11号线位于苏州东部,与上海相连。TerraSAR-X与Sentinel-1提取的3、5、6、11号地铁沿线沉降速率如图 7所示。
图 7(a)和7(b)分别是2010~2015年和2016~2020年苏州3、5、6、11号地铁沿线沉降速率图。可以看出,3号线东振路站有长期的小范围沉降,最大沉降点距离3号线超过200 m,该处可能主要是居民楼的持续沉降。
5号线黄天荡站于2017-10开始地下连续墙施工,同时其附近有一栋高楼在建。由图 7(c)可见,距离该站西出口40 m的亿滋食品公司出现下沉。由图 7(d)可见,在地铁建设和高楼基坑开挖的双重影响下,PS点沉降明显加剧,表明建筑物不仅受到基础底部土层变形的影响,还受到基础四周地层变形的影响。
11号线莲湖公园站周围地表覆盖未发生变化。由图 7(e)可见,该地铁站开建后沉降加剧,其线性速率达到-11 mm/a,说明地铁施工建设会对邻近建筑产生一定的影响。
4 结语本文利用TerraSAR-X和Sentinel-1数据,采用PS-InSAR技术得到2010~2015年和2016~2020年的苏州地面沉降结果,将PS点的时序位移与水准点观测结果进行对比,两者吻合度较高。研究结果表明:
1) 苏州市总体沉降趋势变缓。随着地下水持续回升,苏州主城区的地面下沉持续减缓,部分区域甚至出现小范围抬升。
2) 地铁建设期间,车站基坑的开挖、地铁线路的盾构掘进等会造成附近建筑的短期沉降。
3) 地铁周边区域的开发也会引起地表沉降。特别是新建成的建筑,其本身的短时荷载沉降与周边建设引起的地层位移相叠加,沉降速率可达到-10 mm/a以上。
致谢: 本文使用了DLR提供的TerraSAR-X数据(项目号GE02815、GE02875、GE03149、GE03179)、ESA提供的Sentinel-1数据、NASA发布的SRTM DEM数据,以及staMPS等开源软件,在此一并表示感谢。
[1] |
龚士良. 上海城市建设对地面沉降的影响[J]. 岩土工程技术, 1998, 12(3): 43-45 (Gong Shiliang. Impact on Land Subsidence for Shanghai Municipal Construction[J]. Geotechnical Engineering Technique, 1998, 12(3): 43-45 DOI:10.3969/j.issn.1007-2993.1998.03.011)
(0) |
[2] |
葛世平, 廖少明, 陈立生, 等. 地铁隧道建设与运营对地面房屋的沉降影响与对策[J]. 岩石力学与工程学报, 2008, 27(3): 550-556 (Ge Shiping, Liao Shaoming, Chen Lisheng, et al. Influence of Construction and Operation of Metro Tunnel on Settlement of Ground Buildings and Countermeasures[J]. Chinese Journal of Rock Mechanics and Engineering, 2008, 27(3): 550-556 DOI:10.3321/j.issn:1000-6915.2008.03.015)
(0) |
[3] |
董克刚, 易长荣, 许才军, 等. 利用GPS监测天津市地面沉降的可行性研究[J]. 大地测量与地球动力学, 2008, 28(4): 68-71 (Dong Kegang, Yi Changrong, Xu Caijun, et al. Study on Monitoring Land Subsidence in Tianjin with GPS[J]. Journal of Geodesy and Geodynamics, 2008, 28(4): 68-71 DOI:10.3969/j.issn.1671-5942.2008.04.011)
(0) |
[4] |
聂建亮, 刘晓云, 田婕, 等. 利用自适应水准网动态平差建立山东垂直运动速度模型[J]. 武汉大学学报: 信息科学版, 2020, 45(4): 620-625 (Nie Jianliang, Liu Xiaoyun, Tian Jie, et al. Vertical Movement in Shandong Province Based on Adaptively Dynamic Adjustment for Level Network[J]. Geomatics and Information Science of Wuhan University, 2020, 45(4): 620-625)
(0) |
[5] |
朱建军, 李志伟, 胡俊. InSAR变形监测方法与研究进展[J]. 测绘学报, 2017, 46(10): 1 717-1 733 (Zhu Jianjun, Li Zhiwei, Hu Jun. Research Progress and Methods of InSAR for Deformation Monitoring[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10): 1 717-1 733)
(0) |
[6] |
Ferretti A, Prati C, Rocca F. Permanent Scatterers in SAR Interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(1): 8-20 DOI:10.1109/36.898661
(0) |
[7] |
Berardino P, Fornaro G, Lanari R, et al. A New Algorithm for Surface Deformation Monitoring Based on Small Baseline Differential SAR Interferograms[J]. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40(11): 2 375-2 383 DOI:10.1109/TGRS.2002.803792
(0) |
[8] |
Hooper A. A Multi-Temporal InSAR Method Incorporating both Persistent Scatterer and Small Baseline Approaches[J]. Geophysical Research Letters, 2008, 35(16)
(0) |
[9] |
陈强, 刘国祥, 丁晓利, 等. 永久散射体雷达差分干涉应用于区域地表沉降探测[J]. 地球物理学报, 2007, 50(3): 737-743 (Chen Qiang, Liu Guoxiang, Ding Xiaoli, et al. Radar Differential Interferometry Based on Permanent Scatterers and Its Application to Detecting Regional Ground Subsidence[J]. Chinese Journal of Geophysics, 2007, 50(3): 737-743)
(0) |
[10] |
李志进, 章传银, 王伟, 等. 融合CORS网与时序InSAR研究北京地区地面形变[J]. 大地测量与地球动力学, 2023, 43(11): 1 123-1 128 (Li Zhijin, Zhang Chuanyin, Wang Wei, et al. Study on Land Subsidence by Combining CORS Network and Time Series InSAR in Beijing Area[J]. Journal of Geodesy and Geodynamics, 2023, 43(11): 1 123-1 128)
(0) |
[11] |
袁铭, 严勇. 苏州市地面沉降现状分析[J]. 自然灾害学报, 2010, 19(1): 127-131 (Yuan Ming, Yan Yong. Status Quo Analysis of Ground Subsidence in Suzhou City[J]. Journal of Natural Disasters, 2010, 19(1): 127-131)
(0) |
[12] |
Zhang Y, Wang Z C, Xue Y Q, et al. Mechanisms for Earth Fissure Formation Due to Groundwater Extraction in the Su-Xi-Chang Area, China[J]. Bulletin of Engineering Geology and the Environment, 2016, 75(2): 745-760 DOI:10.1007/s10064-015-0775-0
(0) |
[13] |
Shi G Q, Ma P F, Hu X, et al. Surface Response and Subsurface Features during the Restriction of Groundwater Exploitation in Suzhou(China) Inferred from Decadal SAR Interferometry[J]. Remote Sensing of Environment, 2021, 256
(0) |
[14] |
Yu C, Li Z H, Penna N T. Interferometric Synthetic Aperture Radar Atmospheric Correction Using a GPS-Based Iterative Tropospheric Decomposition Model[J]. Remote Sensing of Environment, 2018, 204: 109-121 DOI:10.1016/j.rse.2017.10.038
(0) |
[15] |
Lu Y Y, Chen D L, Chen Y Y. Analysis of Spatiotemporal Land Subsidence Patterns of Suzhou City, China, over the Past 15 years Based on Multisource SAR Data[J]. Journal of the Indian Society of Remote Sensing, 2022, 50(7): 1 347-1 369 DOI:10.1007/s12524-022-01508-9
(0) |
2. College of Surveying and Geo-Informatics, Tongji University, 1239 Siping Road, Shanghai 200092, China;
3. Cryosphere Research Station on the Qinghai-Xizang Plateau, State Key Laboratory of Cryosphere Science, Northwest Institute of Eco-Environment and Resources, CAS, 320 West-Donggang Road, Lanzhou 730000, China;
4. Suzhou Xiangcheng Testing Co Ltd, 1580 Ruyuan Road, Suzhou 215131, China